2.5.3 深度学习及软硬件平台学习任务单-2026-2027学年人教/中图版高中信息技术选修四

该高中信息技术学习任务单聚焦深度学习及软硬件平台核心内容，以农作物病害检测为载体，构建课前观察病害特征、思考AI应用，课上通过交互式网页理解CNN原理，再利用教学平台训练模型，最后设计精准农业方案的学习支架，贯通从数据特征到模型应用的完整脉络。 任务单突出数字化学习与创新，通过自主设计的交互式教学网页可视化CNN卷积、池化过程，结合PlantVillage开源数据集，引导学生体验模型训练与评估，培养计算思维。实践环节设计AI助力精准农业方案，强化信息社会责任，体现“做中学”的学科特色，有效提升学生利用AI解决实际问题的能力。

2.5.3 深度学习及软硬件平台 学习任务单 课程基本信息 学科 信息技术 年级 高二 学期 秋季 课题 2.5.3 深度学习及软硬件平台 教科书 书 名：信息技术（选择性必修4）人工智能初步教材 出版社：人民教育出版社中国地图出版社 学习目标 1.通过观察健康与病害农作物叶片图像，了解作物病害的常见特征与诊断依据，认识深度学习应用所需的数据特征与输入样本基础。 2.通过操作交互式教学网页，直观理解卷积神经网络（CNN）在深度学习中的核心作用，掌握其识别图像特征的基本原理。 3.利用教学平台训练一个农作物病害检测模型，体验深度学习模型的训练与评估过程，理解软硬件平台在人工智能开发中的支撑作用。 4.探讨人工智能在精准农业中的典型应用场景，培养学生基于深度学习平台解决实际问题的意识与能力，形成科技创新与社会责任感。 课前学习任务 1. 认识AI 与深度学习 观看或查找一例人工智能应用（如人脸识别、自动驾驶、智慧农业等），简要思考：·它解决了什么问题？ ·它是如何“学习”或“识别”的？ 2. 观察作物病害特征 浏览2–3 种农作物病害图片（如玉米叶斑病、苹果黑星病等），比较健康叶片与病害叶片，思考：人是如何通过外观判断病害的？ 课上学习任务 【学习任务一】探究CNN 识别原理 使用交互式教学网页《基于CNN 的农作物病害检测.html》，完成以下操作：·上传叶片图像，观察计算机“看到”的灰度矩阵； ·依次执行卷积、激活、池化操作，理解CNN 如何提取图像特征；·通过结果观察，总结卷积核在特征检测中的作用。 【学习任务二】构建农作物病害检测系统 在教学平台中建立农作物病害检测系统： ·上传训练集和测试集，完成模型训练与预测； ·记录检测结果，计算模型的准确率，分析性能表现。 【学习任务三】实践应用 结合无人机与AI 技术，设计一个AI 助力精准农业方案，展示你的创意思路。将方案在此处完成。 推荐的学习资源 学习资源一：交互式教学网页 本网页为教师基于通用大模型自主设计，通过可视化操作演示卷积、激活、池化等过程，帮助学生理解卷积神经网络识别图像特征的原理。 学习资源二：PlantVillage 农作物病害图像数据集 资源链接：https://plantvillage.psu.edu 资源简介：由美国宾州州立大学开源的农业图像数据集，包含数万张健康与病害叶片图片，可用于AI 模型训练与测试。 学科网（北京）股份有限公司 $